馬上要召開半年會了，老板說，大家要做好規(guī)劃，以后我們方向不再是機器學(xué)習(xí)了，而是人工智能。原話怎么說的，我已經(jīng)忘記，只記得當(dāng)時聽著特別難受，于是我當(dāng)場就提出了，到底什么是機器學(xué)習(xí)?什么是人工智能?BD小姑娘特別積極說，我知道我知道，就去黑板上畫了三個方塊。類似下面的這樣：

這也不是原圖，類似這樣的意思，比較簡略的關(guān)系。(記憶真是太不靠譜的東西!)我不以為然，***想到的圖是題圖，也很簡略地去白板上畫了下，每個人同學(xué)又各抒己見了下，引起一片笑聲。雖然這個事情就過去，但是我這個人，在這種場景下，就沒有“過去”，因為我是一個特別糾結(jié)概念的人。

回來一搜，不得了，原來，搞不清楚這些術(shù)語邊界的人可真不少，很多本身就是這個領(lǐng)域的學(xué)者和研究者，就是說，連專業(yè)的人士都眾說紛紜，互不能信服，真是太逗了，甚至有篇文章，叫《Battle of the Data Science Venn Diagrams》 [1] 這篇文章里，搜集了很多的維恩圖，不打算一一轉(zhuǎn)載，各位可以自行觀看。

挑一些我個人比較感興趣的圖說說吧。

這張圖也就是題圖，據(jù)說，來自 SAS 公司在 KDD1998* 提供的數(shù)據(jù)挖掘基礎(chǔ)課程中的一副圖[2]。很多辨析這幾個領(lǐng)域的Slides，還有一些技術(shù)人士做的 PPT 里，會引用這張圖，因為 SAS 是全球***的軟件公司之一，是商業(yè)智能和數(shù)據(jù)分析軟件的***，所以，他們的觀點不能說是不權(quán)威。

這幅圖里，以數(shù)據(jù)挖掘(Data Mining)為核心，當(dāng)然因為這是 KDD 會議的講稿，所以圖里還有 KDD 的一個圈圈，哈。模式識別(Pattern Recognition)和神經(jīng)計算(Neurocomputing)這倆，我基本完全沒概念，就不討論了。這圖里有意思的是統(tǒng)計學(xué)(Statistics)、機器學(xué)習(xí)(Machine Learning)和人工智能(AI)的關(guān)系。以 SAS 的觀點來看，人工智能是完全包含了機器學(xué)習(xí)的內(nèi)容的，機器學(xué)習(xí)根本就是人工智能的子學(xué)科。而統(tǒng)計學(xué)跟這倆基本沒有交集，但是仔細點看看，不是完全無關(guān)，完全無關(guān)是像數(shù)據(jù)庫(Databases)的表達方式，離得遠遠的，也即，機器學(xué)習(xí)和人工智能，跟統(tǒng)計有關(guān)系，也僅僅一丁點而已，哈!

另有一幅圖，派生自這幅圖。

這幅圖的作者 Brendan Tierney，查了一下也是一個行業(yè)資深人士，曾在 Oracle 工作過，現(xiàn)在是咨詢師，很多 Quroa 答案啊，行業(yè)文章啊，引用這張圖也比較多，這圖本質(zhì)上不是說領(lǐng)幾個屬于的邊界問題的，標題也可以看出來，不過也引發(fā)了不少人討論(呵呵)。Brendan 2012年發(fā)表了博客[3]，2016年回來更新說，中間的維恩圖呢，是數(shù)據(jù)挖掘領(lǐng)域很常見的圖啦(然而我沒找到原圖)，他隨便引用的，并且他認為派生自上面 KDD1998 那圖(可我覺得不是)，他自己加了外面一圈東西才是他想表達的。

這圖里，取消了數(shù)據(jù)挖掘和模式識別的交集，正中間換成了數(shù)據(jù)可惜，新增了可視化，還真是…… 2010年有一篇博客[4]，引用這幅圖，辨析了數(shù)據(jù)科學(xué)，數(shù)據(jù)挖掘和機器學(xué)習(xí)三者，也挺值得一看的。

下面這幅維恩圖，定義了什么是數(shù)據(jù)科學(xué)。

繪制這幅圖的，是一個叫 Drew Conway 的伙計，他是紐約技術(shù)社群里的一位類似意見***的人物。維基百科對他的介紹[5]，他竟然因為繪制了上面的圖而成名，被記入維基百科，另一個因素是把大數(shù)據(jù)應(yīng)用于恐怖主義研究，當(dāng)然，畫出這幅圖還排在研究恐怖主義前面，大家能領(lǐng)會吧?

據(jù) Battle 文說，這圖繪制于2010年，但是2013年才在博客發(fā)表[6]，博客的歸檔時間和聲稱發(fā)表時間，確實能看到這兩個時間點。據(jù)說就是這個圖，點燃了 Battle，也是 Battle 文中的***幅圖。

這幅圖，讓人注意的兩個點，***個是 Substantive Expertise，第二個是危險區(qū)域(Danger Zone!)，哈哈，前者看到感受是“草，什么鬼，這英語我不認識啊”，后者感受是“神秘啊!”。大可不必為英語看不懂而臉紅，Battle 文作者，也覺得這倆詞選得不好，很操蛋啊(……all I can say, is if Conway meant something other than what I would call domain knowledge (e.g. physics), he chose the name Substantive Expertise very poorly.)當(dāng)然還有一重很重要的可能性，就是咱們都沒有 Conway 老哥有文化，人家另一重身份是紐約大學(xué)的 Political Science 的博士啊!

于是沒文化的技術(shù)民工，將 Conway 老哥的圖改得可愛了一點[7]。

這幅圖我倒是覺得更呵呵一點了。當(dāng)然，值得肯定的是三個圈在我四級的英語能力下，確實更容易看懂一些了。但是，數(shù)據(jù)科學(xué)從中央被移走了什么鬼?而且中央?yún)^(qū)域放入了一個什么鬼?好吧。“數(shù)學(xué)和統(tǒng)計知識”被換成了“量化方法”?“駭客能力”被換成了“計算機科學(xué)”?這倆的替換方法看，基本上也可以判斷，第三個被換的，也高明不到哪里去，所以這個老哥可沒有因為這幅圖被收錄維基百科。那個問號，據(jù)說是對危險區(qū)域不太能接受，所以替換成問號了。

看一個集大成者的圖[8]。

干脆加了一個圈圈叫 Evil(魔鬼?)，當(dāng)然了，多了很多什么鬼的英語，我能看懂的就不多了，難道邦德大哥也來客串了?

還是沉溺到了數(shù)據(jù)科學(xué)領(lǐng)域的 Battle，無奈。這幅圖也是來自那篇文章。

這幅圖，是最為切題的一副圖了吧，大數(shù)據(jù)，數(shù)據(jù)挖掘，機器學(xué)習(xí)，人工智能全都提到了，應(yīng)該做題圖才對啊!(我也是無奈)[9]。感覺這幅圖，提供了一種全新的視角來看待問題，把 Conway 老哥著名的圖里，那些更主觀，更模糊的東西砍掉了，留下了客觀的，跟數(shù)據(jù)有關(guān)的，跟技術(shù)有關(guān)的東西，幾個術(shù)語，確實可以在一個層次上去比較了。文章自稱解決了大 Puzzle 的一部分。

文章辨析了幾個術(shù)語的一些意思和簡史，也提供了另一幅我很喜歡的圖。

說實在，這才是到目前為止我最喜歡的圖，不但提供了作者對于概念內(nèi)涵外延的闡釋，還把不同概念之間的作用關(guān)系給解釋了。真是太棒了!

還有一篇文章我也比較喜歡，比如這篇[10]辨析了機器學(xué)習(xí)和統(tǒng)計學(xué)的異同點。文章認為，統(tǒng)計學(xué)和機器學(xué)習(xí)兩者，有著相同的目標(在咱們討論的這個方面)，就是“我們能從數(shù)據(jù)中學(xué)到什么”，而不同的是兩者的方法。這篇文章里也引用了題圖。文章中引述的一種觀點認為，機器學(xué)習(xí)方法，不需要任何前置假設(shè)，不關(guān)心各種變量內(nèi)在的聯(lián)系，只要一股腦丟到算法里面就可以了，算法更像一個黑盒子。你的數(shù)據(jù)越多，預(yù)測越準。機器學(xué)習(xí)方法，通常應(yīng)用在一些高維的數(shù)據(jù)集上。

而統(tǒng)計學(xué)，特別注重數(shù)據(jù)的采集方式，樣本的各種屬性的分布，你必須精確地知道你到底在干什么以及到底有什么變量來提供預(yù)測能力。統(tǒng)計學(xué)方法，通常應(yīng)用于低維的數(shù)據(jù)集上。

當(dāng)然，結(jié)合目前的工作，很容易就發(fā)現(xiàn)，雖然我們使用的是機器學(xué)習(xí)方法，我們卻十分關(guān)心統(tǒng)計學(xué)要求的那些領(lǐng)域，我們也關(guān)注數(shù)據(jù)取得的方式，屬性的分布特征等等問題。所以，也正如文中的結(jié)論，兩者的區(qū)別在日益變小，而且在未來可能越來越難以區(qū)分。(而這半句，是我加的，我覺得在工業(yè)界會是這樣)

還有一幅圖，我也挺喜歡。

這幅圖，介紹了機器學(xué)習(xí)的整個過程[11]。我覺得也是很重要的。

總結(jié)

基本上，數(shù)據(jù)科學(xué)這門學(xué)科到底涵蓋些什么內(nèi)容，其邊界是模糊的。對于一個新興的學(xué)科來說，這一點都不奇怪。我們有一點是確認的，這是一個綜合性很強的交叉學(xué)科。大數(shù)據(jù)也是一個寬泛的概念。機器學(xué)習(xí)和深度學(xué)習(xí)則是內(nèi)涵外延比較明確的概念，公認有包含關(guān)系。人工智能則是更大的范疇，但是人工智能和大數(shù)據(jù)、數(shù)據(jù)科學(xué)都不是一回事情。

• [1]Battle of the Data Science Venn Diagrams，http://www.prooffreader.com/2016/09/battle-of-data-science-venn-diagrams.html
• [2]Looking backwards, looking forwards: SAS, data mining, and machine learning，https://blogs.sas.com/content/subconsciousmusings/2014/08/22/looking-backwards-looking-forwards-sas-data-mining-and-machine-learning/
• [3]Data Science Is Multidisciplinary, http://www.oralytics.com/2012/06/data-science-is-multidisciplinary.html
• [4]Difference of Data Science, Machine Learning and Data Mining, https://www.datasciencecentral.com/profiles/blogs/difference-of-data-science-machine-learning-and-data-mining
• [5]https://en.wikipedia.org/wiki/Drew_Conway
• [6]THE DATA SCIENCE VENN DIAGRAM, http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram
• [7]Data Science in Business/Computational Social Science in Academia? http://giventhedata.blogspot.ca/2013/03/data-science-in-businesscomputational.html
• [8]http://joelgrus.com/2013/06/09/post-prism-data-science-venn-diagram/
• [9]The Data Science Puzzle, Explained, https://www.kdnuggets.com/2016/03/data-science-puzzle-explained.html
• [10]http://www.edvancer.in/machine-learning-vs-statistics/
• [11]https://imarticus.org/what-is-machine-learning-and-does-it-matter/
• [*]KDD 是 SIGKDD 簡寫，Special Interest Group(SIG) on Knowledge Discovery and Data Mining